以下內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容

點擊領(lǐng)取學習資料 → 機器人SLAM學習資料大禮包

#論文# Probabilistic Volumetric Fusion for Dense Monocular SLAM?

論文地址：https://arxiv.org/abs/2210.01276

作者單位：麻省理工學院 ?

? 本文提出了一種利用稠密深度單目SLAM和快速不確定性傳播的圖像三維場景重建方法。該方法能夠精確、實時、稠密地重建三維場景，同時對來自稠密單目SLAM的極噪聲深度估計具有魯棒性。與之前的方法不同，我們的概率深度不確定性直接來自SLAM中底層BA問題的信息矩陣，這些方法要么使用臨時深度濾波器，要么從RGB-D相機的傳感器模型中估計深度不確定性。

? 我們表明，由此產(chǎn)生的深度不確定性為體積融合的建圖提供了一個極好的信號。在沒有深度不確定性的情況下，生成的網(wǎng)格是有噪聲的，而我們的方法生成的精確3D網(wǎng)格具有明顯較少的工件。我們提供了具有挑戰(zhàn)性的Euroc數(shù)據(jù)集的結(jié)果，并表明我們的方法比直接從深度單目相機SLAM的準確率提高了92%，與最佳競爭方法相比提高了90%。?

本文貢獻如下：

1、我們提出了一種方法，稠密SLAM信息矩陣派生的不確定性來確定融合稠密深度地圖的權(quán)重。?

2、我們的方法使場景的重建達到一個給定的可容忍的最大不確定性水平。與其他方法相比，我們可以以更高的精度重建場景，同時實時運行，并且只使用單目圖像。

3、我們在具有挑戰(zhàn)性的EuRoC數(shù)據(jù)集中實現(xiàn)了最先進的3D重建性能。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容